GLM-4V-9B

Modelo pré-treinado multi-modal de código aberto, com capacidade de diálogo em chinês e inglês.

Seleção InternacionalProgramaçãoMultimodalModelo Pré-treinado

GLM-4V-9B é um modelo de pré-treinamento de nova geração lançado pela Zhipu AI, suportando diálogo multi-turn em chinês e inglês com alta resolução de 1120*1120, além de capacidade de compreensão visual. Em avaliações multimodais, o GLM-4V-9B demonstrou desempenho superior ao GPT-4-turbo-2024-04-09, Gemini 1.0 Pro, Qwen-VL-Max e Claude 3 Opus.

Best AI Websites & Tools

GLM-4V-9B

GLM-4V-9B Situação do Tráfego Mais Recente

GLM-4V-9B Tendência de Visitas

GLM-4V-9B Distribuição Geográfica das Visitas

GLM-4V-9B Fontes de Tráfego

GLM-4V-9B Alternativas

GLM-4V-9B — Modelo pré-treinado multi-modal de código aberto, com capacidade de diálogo em chinês e inglês.

Index-1.9B-Chat — Modelo de geração de diálogo baseado em 1,9 bilhão de parâmetros

UniTok — UniTok é um tokenizador visual unificado para geração e compreensão visual.

ZeroBench — ZeroBench é um benchmark visual de alta dificuldade para modelos multimodais de grande porte contemporâneos.

Magma — Magma é um modelo básico capaz de entender e executar entradas multimodais, podendo ser usado em tarefas e ambientes complexos.

MiniCPM-o-2_6 — MiniCPM-o 2.6 é um poderoso modelo de linguagem grande multimodal, adequado para transmissão ao vivo visual, de voz e multimodal.

OpenEMMA — Modelo multimodal de direção autônoma de ponta a ponta de código aberto

InternVL2_5-26B — Modelo de linguagem grande multimodal, integrando compreensão visual e linguística.

Aria-Base-64K — Modelo multi-modal nativo Mixture-of-Experts

Série GLM-4 — Modelo de diálogo multimodal multilíngue de código aberto

CogVLM2 — Modelo de diálogo pré-treinado multimodais de segunda geração

Inception Labs — O Inception Labs lança uma nova geração de modelos de linguagem grandes difusivos, oferecendo capacidade de geração de linguagem ultrarrápida, eficiente e de alta qualidade.

Aya Vision — Aya Vision é um modelo de visão multimodal multilíngue lançado pela Cohere, com o objetivo de melhorar a capacidade de compreensão visual e textual em cenários multilíngues.

EgoLife — EgoLife é um projeto de assistente de IA para a vida cotidiana, de longo prazo, multimodal e multiperspectivo, com o objetivo de impulsionar a pesquisa em compreensão de contexto de longo prazo.

ViDoRAG — ViDoRAG é uma estrutura de agente de raciocínio iterativo dinâmico que combina recuperação de documentos visuais com geração aprimorada.

Migician — Migician é um modelo de linguagem grande multimodal focado na localização de imagens múltiplas, capaz de realizar localização precisa de imagens múltiplas de forma livre.

Mochii AI — Mochii AI é um ecossistema de inteligência artificial personalizado, com suporte de modelos de ponta, que impulsiona o futuro da colaboração entre humanos e IA.

M2RAG — Repositório de código de benchmark para geração aprimorada por recuperação em contexto multimodal.

TheoremExplainAgent — TheoremExplainAgent é um sistema inteligente usado para gerar vídeos explicativos multimodais de teoremas.

Gemini 2.0 Flash-Lite — Gemini 2.0 Flash-Lite est un modèle linguistique efficace, optimisé pour le traitement de longs textes et de nombreux scénarios d'application.

Phi-4-multimodal-instruct — Phi-4-multimodal-instruct é um modelo básico multimodal leve desenvolvido pela Microsoft, que suporta entrada de texto, imagem e áudio.

Magma-8B — Magma-8B é um modelo de IA multimodal lançado pela Microsoft, capaz de processar entradas de imagem e texto e gerar saídas de texto.

DeepSeek Japonês — DeepSeek é um modelo de linguagem IA avançado, especializado em raciocínio lógico, matemática e tarefas de programação, com uso gratuito.

Grok 3 — Grok 3 é o mais recente modelo de IA de ponta lançado pela xAI, com poderosas capacidades de raciocínio e processamento multimodais.

CLaMP 3 — CLaMP 3 é uma estrutura unificada para recuperação de informações musicais cruzando modalidades e idiomas.

VideoRAG — VideoRAG é uma estrutura de geração aprimorada por recuperação para processamento de vídeos de contexto extremamente longo.

MedRAX — MedRAX é um agente de IA de raciocínio médico para interpretação de radiografias de tórax, integrando diversas ferramentas de análise e processando consultas médicas complexas sem treinamento adicional.

Qwen2.5-VL — Qwen2.5-VL é um poderoso modelo de linguagem visual que consegue compreender o conteúdo de imagens e vídeos e gerar texto correspondente.

Gemini 2.0 Family — Gemini 2.0 é a mais recente geração de modelos de IA generativa lançada pelo Google, incluindo as versões Flash, Flash-Lite e Pro.

Gemini 2.0 Pro — O Gemini Pro é um modelo de IA de alto desempenho desenvolvido pela Google DeepMind, focado no tratamento de tarefas complexas e no desempenho de programação.